BOUN-ISIK-Beteiligung: Ein unsupervisiertes Ansatz für die Normalisierung benannter Entitäten und die Relationsextraktion von Bakterien-Biotopen

Diese Arbeit präsentiert unsere Teilnahme am Bacteria Biotope Task der BioNLP Shared Task 2019. Unsere Teilnahme umfasst zwei Systeme für die beiden Teil-Aufgaben des Bacteria Biotope Task: die Normalisierung von Entitäten (BB-norm) und die Identifikation von Beziehungen zwischen Entitäten anhand biomedizinischer Texte (BB-rel). Für die Normalisierung von Entitäten nutzten wir Wort-Embeddings und syntaktisches Re-Ranking. Für die Relationsextraktion wurden vordefinierte Regeln eingesetzt. Obwohl beide Ansätze im Sinne einer unsupervisierten Methode arbeiten – da sie keine gelabelten Daten erfordern – erzielten sie vielversprechende Ergebnisse. Insbesondere zeigten die Ergebnisse für die BB-norm-Aufgabe, dass die vorgeschlagene Methode die Leistung von Deep-Learning-basierten Ansätzen erreicht, die hingegen gelabelte Daten benötigen.